Traden wie die Quants - ein einsteigerfreundlicher Einstieg


blog photo
Veröffentlicht von Joanne Snel am 10. August 2021
Insights


Hallo! Mein Name ist Joanne und ich bin Praktikantin bei lemon.markets 🍋. Wir sind ein Start-up, das eine Infrastruktur für Entwickler:innen bereitstellt, damit sie ihre eigene Trading Experience an der Börse bauen können.

In Gesprächen mit unserer Community (hier kannst Du Dich mit uns auf Slack austauschen) haben wir festgestellt, dass einige unserer Nutzer:innen zwar sehr enthusiastisch sind, ihre Trading App und/oder Strategie mit lemon.markets zu bauen, aber an vielen Stellen nicht so recht wissen, wo sie anfangen sollen. Um dem entgegenzuwirken stellen wir in diesem Artikel drei einsteigerfreundliche Handelsstrategien vor, um Dich für Deine eigene Strategie zu inspirieren. 

Hierbei geht es um die Strategien “Signal Detection”, die Sentimentanalyse und das “Pair Trading”. Das Beste daran: Du kannst die Strategien mischen und kombinieren, wie Du möchtest und so Deine eigene Handelsphilosophie entwickeln. Lass uns loslegen!

Angenommen, Du willst handeln, so wie es die Quant-Fonds tun. Welche Informationen und welches Wissen bräuchtest Du dafür?

In den USA wurden im Jahr 2018 zwischen 70 und 80 % des gesamten Handelsvolumens durch algorithmischen Handel generiert. Man kann mit ziemlicher Sicherheit davon ausgehen, dass die meisten großen Institutionen Algorithmen einsetzen, um ihre Geschäfte (zumindest teilweise) zu steuern. Oft basieren ihre Algorithmen auf einer oder mehreren bekannten Handelsstrategien. Wenn Du Dich mit einigen beliebten Strategien vertraut machst, ist das ein hervorragender Einstieg in den automatisierten Handel. Natürlich gibt es noch viele weitere Faktoren, die über Erfolg oder Misserfolg einer Handelsstrategie entscheiden können, z. B. der Handelsplatz, die Ausführungsgeschwindigkeit, das Markt-Timing oder die generelle Kenntnis des Marktes.

In vielen Fällen basiert der Kern einer Handelsstrategie entweder auf dem Konzept Momentum oder auf einer Mean Reversion. Hierbei handelt es sich um zwei sehr unterschiedliche Konzepte. Man muss dazu sagen, dass diese Unterscheidung in den meisten Fällen nur auf technische Handelsstrategien angewendet werden kann, aber der Einfachheit halber gehen wir davon aus, dass diese Klassifizierung zutrifft. Momentum besagt, dass ein Asset genau wie ein Teilchen eine Eigendynamik hat - wenn der Kurs steigt, wird er aufgrund einer Eigendynamik weiter steigen. Wenn die Dynamik bzw. der Kursanstieg nachlässt, empfiehlt es sich die Position zu schließen. Die zweite Theorie, Mean Reversion, besagt, dass die Kurse zu ihrem Durchschnitt zurückkehren, wenn sie von diesem abweichen. Du wirst vielleicht bemerkt haben, dass sich diese beiden Denkansätze direkt widersprechen. Diese Beobachtung ist richtig. Auf welche solltest Du Dich also bei Deiner Handelsstrategie aufbauen? Das hängt ganz von Deinen Trading-Zielen und Deinem Trading-Horizont ab: Momentum-basierte Strategien schneiden in der Regel langfristig besser ab, während die Mean-Reversion in vielen Fällen kurzfristig erfolgreicher ist.

Die in diesem Artikel vorgestellten Strategien sind nicht unbedingt die besten und profitabelsten Möglichkeiten, die es gibt. Wir haben sie ausgewählt, weil sie nahezu in allen Märkten mit verschiedenen Parametern angewendet werden können. Wir empfehlen Dir jedoch, Deine eigenen Recherchen anzustellen. Von den folgenden Strategien basiert eine auf Momentum, eine auf Mean-Reversion und eine könnte beides sein. Kannst Du herausfinden, welche welche ist? 🤔

Signal Detection

Bei der Strategie der “Signal Detection” wird nach bestimmten, im Voraus festgelegten Kriterien gesucht, die anzeigen, ob ein Wertpapier gekauft oder verkauft werden sollte. Signal Trading oder Signal Detection  ist eigentlich ein Oberbegriff, der viele Ansätze beinhaltet. Das Hauptziel besteht darin, eine Methodik mit Ein- und Ausstiegsschwellen zu entwickeln, die durch eine Vielzahl von Signalen definiert werden können. Du könntest z.B. das Volumen (d. h. die Anzahl der gehandelten Aktien) einer bestimmten Aktie beobachten: Wenn das Volumen mit dem Preis zu steigen scheint, könnte dies ein Hinweis darauf sein, dass die Anleger an diese Aktie glauben. Was denkst Du - Momentum oder Mean Reversion? Dies wäre wahrscheinlich ein Fall von Momentum-Trading, da die Strategie darin bestünde, auf den Trend aufzuspringen (da kongruente Preis- und Volumensteigerungen in der Regel darauf hindeuten, dass in Zukunft mehr Käufe stattfinden werden, die mit höheren Preisen einhergehen). Irgendwann kann das Volumen sich jedoch erschöpfen, weil die Anleger z. B. nicht bereit sind, mehr als einen bestimmten Preis für eine Aktie zu zahlen. Dies wäre die perfekte Gelegenheit für eine auf Mean Reversion basierende Strategie. Weitere Informationen über das Verhältnis zwischen Preis und Volumen findest Du hier.

Welche Art von Handelssignalen kann ich verwenden?

Das "Signal" muss sich nicht unbedingt auf das Volumen beziehen. Es kann stattdessen alles sein, was Du als Händler für potentiell wichtig hältst. In der Regel basieren Signale auf einer Art technischer Analyse, z. B. kann der Auslöser auf diesen Grundlagen basieren:

Dabei handelt es sich um technische Indikatoren, bei denen es sich um mathematische Berechnungen auf der Grundlage der Merkmale eines Instruments (z. B. Preis oder Volumen) handelt, mit deren Hilfe man die künftige Entwicklung vorherzusagen versucht. Vielleicht hast Du schon einmal von den Begriffen "bullish" und "bearish" gehört: Sie beziehen sich in der Regel auf die auf technischen Indikatoren beruhende Handelsstimmung.

Der Relative-Stärke-Index (RSI) ist ein Momentum-Indikator, der auf der Grundlage der jüngsten relativen Kursveränderungen misst, ob ein Instrument überkauft oder überverkauft ist. Der gleitende Durchschnitt (GDA) ist der Durchschnittspreis über eine definierte Zeitspanne, in der Regel eine Anzahl von Tagen - zum Beispiel 15, 30, 100 oder 200 Tage. Ein steigender gleitender Durchschnitt kann beispielsweise auf einen Aufwärtstrend des Kurses hinweisen. Er kann nicht als rein Momentum oder Mean Reversion basiert eingestuft werden, da es darauf ankommt, was Du mit ihm machst. Eine Strategie, die auf Mean Reversion basiert, könnte eine Kauforder ausführen, wenn der Kurs einer Aktie ihren 200-Tage-MA übersteigt (wir werden in Kürze einen Artikel darüber veröffentlichen).

Der MACD (Moving Average Convergence Divergence) ist ein weiterer Momentum-Indikator, der das Verhältnis zwischen zwei exponentiellen gleitenden Durchschnitten (EMA) misst, nämlich dem EMA der 26-Periode und dem EMA der 12-Periode. Der EMA unterscheidet sich vom MA insofern, als dass er dem Kurs einer Aktie an den letzten Tagen mehr Bedeutung beimisst, wodurch er stärker auf aktuelle Informationen reagiert. Wenn der MACD positiv ist, liegt der kurzfristige über dem langfristigen Durchschnitt, was ein Indikator für eine Aufwärtsdynamik sein kann (das Gegenteil kann über einen negativen MACD gesagt werden). Das On-Balance-Volumen (OBV) ist ebenfalls ein Indikator für die Dynamik und wird verwendet, um die Bewegungen des "Smart Money", d.h. der institutionellen Anleger:innen, vorherzusagen.

Diese vier Indikatoren können widersprüchliche Signale geben, daher empfehlen wir Dir, weitere Informationen einzuholen, wenn Du Dich tiefergehend für einen oder mehrere Indikatoren interessierst. Einige Indikatoren könnten auf bestimmten Märkten oder zu bestimmten Zeitpunkten besser geeignet sein. Es gibt noch viele andere Indikatoren. Hast Du beispielsweise schon von Fibonacci-Retracements oder dem Guppy Multiple Moving Average gehört?

Signale können auch auf Fundamentaldaten basieren, z. B. auf Gewinnberichten oder Insiderkäufen. Stefan Jansen ist Autor eines Buches über maschinelles Lernen für den algorithmischen Handel und verfügt über ein äußerst umfangreiches öffentliches GitHub-Repository. Er beschreibt, wie Vorhersagemodelle verwendet werden können, um Handelssignale aus verschiedenen Quellen wie Gewinnberichten zu extrahieren.

Halte Ausschau nach Tradingsignalen - wie unserem grünen Ampelmännchen hier.

Der Handel mit Signalen kann entweder auf Momentum oder auf Mean-Reversion basieren, je nachdem, welche(s) Signal(e) Du verfolgen willst. Deine Strategie kann sowohl Momentum als auch Mean-Reversion beinhalten, um alle Möglichkeiten abzudecken. 😉

Umsetzung mit lemon.markets

Eine Signal-Trading-Strategie ist der perfekte Anwendungsfall für die lemon.markets API. Du kannst historische Marktdaten auf Minuten- (M1), Stunden- (H1) oder Tagesbasis (D1) abrufen und die neuesten Kurse für bestimmte Instrumente erhalten. Diese Informationen können direkt verwendet oder mit einer entsprechenden Python-Bibliothek wie TA-Lib aufbereitet werden, mit der über 200 Indikatoren berechnet werden können. Du kannst dann die lemon.markets API verwenden, um Deine Order automatisch zu platzieren, oder Du kannst Dich dafür entscheiden, das Signal z.B. per Push-Benachrichtigung, E-Mail oder sogar per Telegram-Nachricht zu verschicken. So kannst Du Deine Order nochmal manuell bestätigen, bevor sie platziert wird.

Sentiment-Analyse

Wenn Du einen Artikel liest, dessen Titel ungefähr so klingt: "Ich habe einen Bot geschrieben, der auf der Grundlage der Tweets von Promi XY handelt", handelt es sich sehr wahrscheinlich um eine Sentiment-Analyse. Dieses Thema ist zurzeit in aller Munde, vor allem durch die zunehmende Aufmerksamkeit in Foren wie Reddit, von denen einige behaupten, dass Sentiment-Analysen zum rasanten Kursanstieg der GameStop (GME)-Aktie beigetragen haben. Wir würden die Sentiment-Analyse als eine auf Momentum basierende Strategie einstufen, da versucht wird, Trends zu erkennen, bevor sie eintreten.

Was soll ausgewertet werden?

Die Sentiment-Analyse ist besonders interessant, weil Sie nutzergenerierte Daten verwendet, um die allgemeine Meinung zu einem bestimmten Instrument zu ermitteln. Durch diesen Ansatz erhältst Du (zumindest in der Theorie) direkten Zugang zu den Emotionen der Anleger. Zu den beliebten Quellen für solche “Emotionen” gehören Social-Media-Seiten wie Reddit, Twitter und Facebook oder Nachrichtenseiten wie YahooFinance!, Bloomberg und FinViz.

Wie analysiert man die Stimmung?

Es gibt mehrere Möglichkeiten, die Stimmung zu analysieren. Vielleicht glaubst Du, dass eine quantitative Messzahl, wie bspw. die Anzahl der Erwähnungen ein guter Indikator für die Beliebtheit einer Aktie ist - wenn mehr Leute über eine Aktie sprechen, muss das ein gutes Zeichen sein, oder? Nicht unbedingt. Die Sprache, die zur Beschreibung der Aktie verwendet wird, könnte nämlich auch negativ sein. Daher reicht es oft nicht aus, z. B. nur zu erfassen, wie oft ein Aktienticker pro Tag getwittert wird. Die Sentiment-Analyse basiert auf der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), die Texte auf der Grundlage der darin enthaltenen Emotionen bewertet. Im Basisfall kann NLP zwischen positiven, neutralen und negativen Beiträgen unterscheiden. Anspruchsvollere Anwendungen können jedoch auch über diese drei einfachen Kategorien hinausgehen und zusätzlich Emotionen wie Wut, Abscheu, Angst, Hoffnung usw. erkennen.

Um Dir das Leben zu erleichtern, gibt es mehrere Python-Bibliotheken, die für Dich Sentiment-Scores erstellen können, z. B. Vader - Du musst das Rad nicht neu erfinden (es sei denn, Du willst es). Oder Du kombinierst Sentiment-Analyse und maschinelles Lernen, wie es in diesem Tutorial beschrieben wird.

Umsetzung mit lemon.markets

Um mit der Implementierung einer Strategie zur Stimmungsanalyse zu beginnen, müsstest Du zunächst festlegen, woher Du Deine Daten beziehen willst. Das kann bedeuten, dass Du ein Twitter-Konto zum Scrapen auswählst oder einen bestimmten Ticker, dem Du auf Twitter folgen willst. Dann brauchst Du noch eine Möglichkeit, die Tweets zu sammeln. Dies kann mit der Twitter-API und der Python-Bibliothek Tweepy oder snscrape geschehen. Sobald Du Deine Daten hast, geht es an die eigentliche Stimmungsanalyse. Du kannst unter anderem Vader, wie oben erwähnt, oder Textblob verwenden. Auch hier kann eine Benachrichtigung an den Nutzer geschickt werden, oder mithilfe der lemon.markets API kann der Handel in Abhängigkeit vom Sentiment-Score sofort platziert werden.

In diesem Beispiel beziehen wir uns auf Twitter, aber der generelle Prozess dahinter kann logischerweise auf jede Social-Media-Website angewendet werden.

Pairs Trading

Mitte der 1980er Jahre stellte Morgan Stanley unter der Leitung von Gerry Bamberger und später Nunzio Tartaglia ein Team aus Mathematikern:innen, Physikern:innen und Informatikern:innen zusammen, von denen einige zunächst nicht  mit dem Handel vertraut waren. Ihr Ziel? Ein mathematisches Modell zu entwickeln, das Morgan Stanley einen Vorteil an der Wall Street verschaffen würde. Und so wurde die Strategie des Pairs Trading geboren. Beim Pairs Trading wählt man zwei Wertpapiere aus, deren Kurse sich in der Vergangenheit gemeinsam entwickelt haben. Wenn dann das Szenario eintritt, dass einer der beiden Kurse abweicht, verkauft man den stärkeren und kauft den schwächeren, in der Erwartung, dass sich die Kurse wieder annähern werden. Das klingt nach einer Theorie, die wir schon einmal behandelt haben... vielleicht die Mean-Reversion?

Warum funktioniert das Pairs Trading?

Beim Pairs Trading geht man davon aus, dass zwei Finanzinstrumente, die in der Vergangenheit stark korreliert haben, auch in Zukunft korrelieren werden. Sollte die Korrelation vorübergehend wegbrechen, d. h. eine Aktie steigt, während die andere fällt, würde der Pairs-Trading-Ansatz darin bestehen, die "Gewinner"-Aktie zu verkaufen und die "Verlierer"-Aktie zu kaufen, wobei darauf gewettet wird, dass sich die Kurse wieder aufeinander zubewegen.

Pairs Trading bietet Raum für Gewinne in jeder Art von Markt - aufwärts, abwärts, seitwärts. Er ist marktneutral, d. h. man wettet auf den Spread des Paares und nicht auf die Richtung des Marktes. Da sich die Spreads (insbesondere bei historisch korrelierenden Paaren) jedoch weniger stark bewegen als der Markt, werden Pairtrades häufig gehebelt, um effizient zu sein.

Welche Paare sollte ich handeln?

Die Auswahl eines guten Handelspaares ist mit der wichtigste Schritt (das Timing ist logischerweise auch noch relevant). Doch wie stellst Du also sicher, dass Du ein gewinnbringendes Paar hast? Du könntest intuitiv darüber nachdenken - denk zum Beispiel an Coca-Cola (KO) und Pepsi (PEP), zwei ähnliche Limonadenhersteller (obwohl wir wissen, dass sich hier bekanntlich die Geister scheiden). In der Vergangenheit haben sich die beiden Aktien gemeinsam entwickelt, aber kurzfristige Nachrichten über ein Unternehmen könnten eine temporäre Divergenz verursachen - und somit die Chance für einen Pair Trade bieten. 

Eine fundierte Methode, ein Paar auszuwählen, ist die Berechnung der Korrelation auf der Grundlage historischer Kurse. Berechnen wir den Korrelationskoeffizienten für KO und PEP, um zu sehen, ob unsere Behauptung zutrifft. Die Formel für den Korrelationskoeffizienten nach Pearson lautet:

Wobei r der Korrelationskoeffizient zwischen x und y ist, xᵢ die Beobachtung i von x und x̅ der Durchschnitt von x ist (y folgt ähnlichen Namenskonventionen). Pandas (wenn Du noch nichts von Pandas gehört hast, lies unseren Artikel über die wichtigsten Ressourcen für den automatisierten Handel, es ist eines der nützlichsten Python-Pakete für die Datenmanipulation) hat eine eingebaute corr()-Methode, die auf DataFrames angewendet werden kann. Im folgenden Code importieren wir die Schlusskurse von KO und PEP der letzten fünf Jahre aus YahooFinance! und berechnen ihre Korrelation.

1import pandas as pd
2pep_closing = pd.read_csv("PEP.csv")['Close']
3ko_closing = pd.read_csv("KO.csv")['Close']
4r = pep_closing.corr(ko_closing)
5print(f'The correlation coefficient is: {r}')
1The correlation coefficient is: 0.879735664095373

Die Korrelation kann Werte zwischen -1 und 1 annehmen, wobei -1 für eine perfekte negative Korrelation, 0 für keine Korrelation und 1 für eine perfekte positive Korrelation steht. Ein Korrelationskoeffizient von 0,88 ist vergleichsweise hoch und würde darauf hinweisen, dass KO und PEP gute Kandidaten für einen Pair Trade sein könnten. Zur Veranschaulichung: Der Korrelationskoeffizient von KO und General Motors (GM) beträgt 0,48. Dies ist schlüssig, da wir nicht erwarten würden, dass Limonade und Autos besonders viel miteinander zu tun haben und deshalb wahrscheinlich nicht unsere erste Wahl für ein Pair Trading wären.

Anstelle der historischen Kurse könntest dubei der Berechnung des Korrelationskoeffizienten auch eine andere Bewertungskennzahl wie z.B. das Kurs-Gewinn-Verhältnis (KGV) verwenden. Wenn Du noch tiefer einsteigen willst, kannst Du eine Clusteranalyse für verschiedene Aktien durchführen, um Kandidaten für Deinen Pair Trade zu finden.

lemon.markets

Zurzeit unterstützt lemon.markets keine Leerverkäufe von Aktien, die Pair-Trading-Strategie kann jedoch durch den Kauf von Optionsscheinen umgesetzt werden. Ein Optionsschein gibt Dir das Recht, ein bestimmtes Wertpapier zu kaufen oder zu verkaufen. Unsere API bietet Zugang zu verschiedenen Optionsscheinen, die Short-Positionen darstellen, wie z.B. UCI-HVB FAC.CERT. SHORT ATX (isin: DE000HZ4XD01). Melde Dich für unsere Warteliste an, um mehr zu erfahren.

Andere interessante Handelsstrategien

Wir sind uns bewusst, dass diese Liste bei weitem nicht vollständig ist. Vielleicht möchtest Du die folgenden Handelsstrategien in Betracht ziehen:

Der erste Schritt zur Entwicklung einer eigenen Strategie besteht darin, sich über bereits bestehende Handelsstrategien zu informieren. Du könntest sogar den Handel mit Signalen, die Stimmungsanalyse und das Pair Tradingkombinieren, um Deine eigene "Superstrategie" zu entwickeln. Es geht also generell darum, eine Marktineffizienz zu finden und sie zu nutzen.

Wir sind super gespannt, welche Strategien Du umsetzt. Wenn Du Fragen hast, zögere nicht, uns über [email protected] zu kontaktieren. Und wenn Du Dich noch nicht angemeldet hast, komm jetzt auf unsere Warteliste.

Wir sehen uns dort! 🙌

Joanne

Das könnte Dich auch interessieren

Richte Deinen eigenen Telegram-Bot für den Handel mit der lemon.markets API ein (Teil 1 von 2)

blog photo

Hallo! Ich bin Joanne aus dem lemon.markets Team. Ich habe in den letzten Wochen an einem Use-Case für unser Produkt gearbeitet und freue mich sehr, das Ergebnis hier mit Euch zu teilen! Es gibt hunderte Use-Cases für unser Produkt, von automatisierten Handelsstrategien bis hin zu Dashboards, die Dein Portfolio visualisieren. Heute zeige ich Dir, wie Du die lemon.markets API mit der Telegram API verbinden kannst. Warum? Damit Du einen personalisierten Butler - ähm, Bot - hast, der mit ein paar sehr einfachen Nachrichten Orders für dich platzieren kann.

Erstelle dein eigenes lemon.markets Dashboard mit Flutter

blog photo

Hallo zusammen! Mein Name ist Marius und ich bin Teil von lemon.markets, einem early-stage Startup aus dem Herzen Berlins. Wir arbeiten an einer Infrastruktur, mit der Du Deine eigene Trading Experience an der Börse bauen kannst. In diesem Blogbeitrag führe ich Dich durch ein Projekt unseres Community-Mitglieds Melanie. Dafür schauen wir uns an, wie man mit Flutter ein mobil-optimiertes Web Dashboard bauen kann. Hört sich das an als wäre es was für Dich? Dann lass uns keine Zeit verschwenden und direkt loslegen.

Anleitung für eine Mean Reversion Strategie mit der lemon.markets API & Hosting in der Cloud

blog photo

In diesem Beitrag möchte ich Dir zeigen, wie Du die lemon.markets API nutzen kannst, um eine der bekanntesten Handelsstrategien zu bauen: Die Mean Reversion Strategie. Außerdem zeige ich Dir, wie Du Deine Strategie mit Heroku in der Cloud hosten kannst, damit Dein Skript weiterläuft, auch wenn Dein Laptop ausgeschaltet ist.

Tiefer eintauchen

Finde weitere Ressourcen für einen einfachen Einstieg

In unserer Dokumentation erfahrt Ihr mehr über unsere API-Struktur, die verschiedenen Endpunkte und spezifische Anwendungsfälle.

Austauschen

Tritt der lemon.markets Community bei

Tritt unserem Slack-Channel bei, um Dich aktiv an unserer Community zu beteiligen, Fragen an andere Nutzer:innen zu stellen und immer auf dem Laufenden zu bleiben.

Team unterstützen

Lust lemon.markets mit uns zu bauen?

Wir sind immer auf der Suche nach großartigen Ergänzungen für unser Team, die uns beim Aufbau einer Brokerage Infrastruktur für das 21. Jahrhundert helfen.

Products
Pricing
For Developers
SlackGithubBlog
© lemon.markets 2021Privacy PolicyImprint
All systems normal